共 1 篇
基准让一个 LLM agent 通过网页后台经营 20 台售货机 180 个模拟日，仓库、补货周期、过期与运营成本俱全。五个大模型 agent 四个跑不赢规则基线，按推理成本折算后排名还会重排，文中给验收清单。